Power of edge exclusion tests in graphical Gaussian models
高斯图模型中删边检验的功效AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：统计图模型的边检验不等同于经济网络或干扰效应，摘要没有后者的证据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
高斯图模型中删边检验的功效
- 研究问题
- 在饱和高斯图模型中，如何近似多个删边检验统计量的联合分布，并据此估计不同检验形式的统计功效？
- 方法与思路
- 作者对似然比、Wald 与得分统计量及其带符号平方根形式推导多元正态近似，并考虑非带符号形式的非中心卡方近似。
- 材料陈述的贡献
- 摘要称这些联合分布与非中心分布近似可用于估计删边检验功效，并给出一个例子，但未报告近似精度或功效数值。
- 阅读关注点
- 核对饱和模型限制、备择设定、统计量之间的依赖结构，以及各近似适用的样本规模和功效计算方式。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要；不能判断近似的有限样本准确性，也不能延伸到任意高维或非饱和图模型。
原文摘要
Asymptotic multivariate normal approximations to the joint distributions of edge exclusion test statistics for saturated graphical Gaussian models are derived. Non-signed and signed square-root versions of the likelihood ratio, Wald and score test statistics are considered. Noncentral chi-squared approximations are also considered for the non-signed versions. These approximations are used to estimate the power of edge exclusion tests and an example is presented.